import tensorflow as tf
a=tf.random.normal([4,28,28,3])
a[1].shape
a[1,2].shape
a[1,2,3].shape
a[1,2,3,2].shape
''' start:end '''
b=tf.range(10)
b[-2:]
b[:3]
''' : 的運用-->全選 '''
a[:,0,:,:].shape
''' start:end:step ::step '''
a[0:2,0:27:2,:,:] #切片是左閉右開
a[:,::2,:,:] #從0-27，步長為 2
''' 倒序取樣 '''
b[::-2] # 9,7,5,3,1
b[4::-2] # 4,2,0
b[3::2] # 3,5,7,9
b[3:9:2] # 3,5,7 不能取到 最後乙個元素
''' 省略號的運用 ... '''
a[0,...].shape
a[0,...,1].shape
''' tf.gather tf.gather_nd tf.boolean_mask '''
c=tf.random.normal([4,35,8]) # 4個班級，每個班級35人，8個科目的成績單
tf.gather(c,axis=0,indices=[0,2]).shape # 1，3兩班的成績單
tf.gather_nd(c,[[0,1,2],[1,2,3]]).shape # 選取特定班級，學生，科目
tf.boolean_mask(a,mask=[true,false,true],axis=3).shape
d=tf.ones([2,3,4])
tf.boolean_mask(d,mask=[[true,true,false],[false,true,true]]).shape # 4行4列
tensorflow2 0學習筆記（3 2）
自編碼器變種 1 denoising auto encoder 加隨機雜訊 2 dropout auto encoder 防止過擬合 3 adversarial auto encoder 利用額外的判別器網路來判定降維的隱藏變數?是否取樣先驗分布?對抗自編碼器是從下一章要介紹的生成對抗網路演算法衍生...
Tensorflow2 0學習筆記 建立張量
使用constant建立張量 使用constant函式建立張量 其中 1，5 表示張量內容，dtype表示資料型別 a tf.constant 1,5 dtype tf.int32 輸出a，a的資料型別，a的形狀 print a print a.dtype print a.shape 輸出結果 tf...
Tensorflow2 0學習筆記 常用函式（一）
1.資料型別轉換函式 定義乙個張量 a tf.constant 0,1,2 3,4,5 6,7,8 dtype tf.int64 強制轉換型別函式 b tf.cast a,tf.float32 reduce max查詢張量中最大的數，axis x表示對對應的行或者列求和 本例中為二維張量，0對應的對...